电子信息列表>>
基于全卷积网络的人脸分割(论文12000字,外文翻译)摘要：人脸分割作为许多技术的一个关键步骤，例如人脸识别，只有明确的分割出所需要的人脸区域，才能进行有关的下一步操作。人脸分割之后的图像不仅能应用于人脸识别，还可以在化妆技术和脸谱变换等技术上进行运用，所以人脸分割便成为当代满足人们需求的一个重要基础。故而，进行明确的人脸分割显得尤为重要。本论文中的人脸分割基于全卷积网络（简称FCN），全卷积网络
结合支持向量机的卷积神经网络分类(论文11000字,外文翻译)摘要：卷积神经网络（CNN）类似于“普通”神经网络，它是由具有“可学习”参数的神经元组成隐藏层组成。这些神经元操作过程是接收输入，执行点积，之后以非线性跟随它。整个网络表示原始图像与其识别分数之间的映射。一般的卷积神经网络通常是用Softmax函数在该网络的最后一层作为分类器使用。然而已经
基于卷积神经网络的网络文本分类(论文14000字)摘要：由于网络的高速发展，现阶段各种类型的信息充斥的我们的生活，其中以微信、微博等社交平台尤为明显。随着大量的用户参与其中，这些平台上每天都有无数的短文本信息产生，例如说，聊天信息、用户评论，发表的观点等等。如此一来，对于这些信息中所表达的含义与对于这些信息的分类研究与汇总，对于政府部门的信息服务部门还是互联网服务提供商来说，都具有这非常重要的意义
基于深度卷积神经网络的多目标检测系统(论文10000字,外文翻译)摘要：由于当代计算机科学技术的飞速发展，人类的生活发生了巨大的进步，这使得人类的生活越来越智能化。近年来，人类对于人工智能的探索从未停止过。众所周知，人类的视觉系统是我们感知和认识外部世界的重要成分。有研究表明，我们对世界的认识有近80%的信息是来源于视觉信息。因此，在探索人工智能的路途中，计算机视觉一直是个十分重要的研究领域。计算
基于SegNet网络的皮肤癌病变区域的自动分割(论文14000字,外文翻译)摘要：随着深度学习的迅猛发展，医学影像领域也逐渐开始应用深度学习来辅助医生进行诊断和治疗。黑色素瘤是一种威胁人类健康的恶性肿瘤，但医生在皮肤镜下的肉眼观察存在主观性因素，因此实现病变区域的自动分割是后续提取特征对病症进行自动分类的重要前提，是皮肤科的迫切需要。本文利用SegNet网络实现了皮肤病变区域的自动分割，实验效果良
基于卷积神经网络的遥感数据分类(论文14000字)摘要：论文提出了一种基于深度残差卷积神经网络的高光谱遥感数据的分类方法。我们将深度残差卷积神经网络作为一种分类器，将待分类的像元及其领域像元一同作为神经网络的输入，通过残差网络的算法模型实现高光谱遥感数据的分类。卷积神经网络作为一种自适应的非线性系统，可以根据外界信息调整自身结构和权值，我们使用深度学习技术将数据特征提取出来再进行分类，以达到提高分
基于深度卷积压缩网络的图像分类方法(论文12000字,外文翻译)摘要：本文提出了一种基于量化卷积神经网络的深度卷积压缩网络方法，并开发了应用在安卓手机上进行图像分类的应用软件。该方法通过量化全连接层和卷积层的参数可以在压缩深度卷积神经网络模型的同时加快模型运算速度。本文通过量化深度模型中全连接层来压缩模型，通过量化卷积层来提高网络运算速度，通过引入误差校正来缩小压缩后模型与原始模型在准确率上的差距
基于残差学习与卷积神经网络的图像去噪方法研究(论文20000字,外文翻译)摘要：数字图像在获取、传输等过程中不可避免地会受到噪声的影响，为了抑制噪声，对图像进行去噪成为图像处理的关键步骤之一。BM3D去噪算法是效果较为明显的，不过在去噪耗时上仍有不足。随着深度学习的发展，神经网络逐渐用于图像去噪，此类方法去噪效果较为优秀，耗时也较短。随着神经网络层数加深，特征提取就越复杂，训练难度越大，网络先达到
利用卷积神经网络实现数字手写体图像识别(论文14000字,外文翻译)摘要：数字手写图像识别是近年来研究的热点，具有广泛的应用前景,同时也是一个非常具有挑战性的课题。模式识别随着计算机的出现和人工智能的发展,迅速发展成一门学科。它所研究的理论和方法在很多学科和领域中得到广泛的重视,推动了人工智能系统的发展,扩大了计算机应用的可能性。卷积神经网络是近年来深度学习理论同人工神经网络结合的模式识别方法，目
基于对抗生成网络的医学图像分析(论文13000字)摘要:癌症目前是人类健康最大的威胁。自从数字病理和深度学习发展起来之后，研究人员逐渐的专注于开发智能计算机辅助诊断系统。目前常见的深度学习网络都是基于监督学习的训练，因此需要有大量的有标签数据。而在医学图像领域中，难以获得大量带标注的训练样本驱动深度网络，因此容易造成过拟合的问题。对抗生成网络(GAN)可以从少量的样本中学习到样本的分布特征，从而可